基于扩展字典学习的鲁棒人脸识别算法
凡正军
宋长明
中原工学院 理学院,河南 郑州 450007
摘要：针对传统人脸识别的有限训练样本字典学习不稳定、噪声处理不够鲁棒、运行速度慢等问题,提出了一种扩展字典学习的鲁棒人脸识别算法.首先利用原始训练样本生成两个扩展训练样本,然后对两个扩展训练样本添加以像素损坏为主要影响因素的随机噪声和以遮挡为主要影响因素的结构噪声,通过增加训练样本的多样性,获得更鲁棒的字典.实验结果表明,该算法在Extended Yale B、AR、ORL数据库上识别率高,对噪声鲁棒性强,运行速度快.
关键词：人脸识别混合噪声字典学习稀疏表示
分类号：TP391.4(计算技术、计算机技术)
论文发表日期：2021-04-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 53-58 )
英文信息